> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/ar/alzraah/yield-and-trials/field-trial-analytics.md).

# تحليلات التجارب الحقلية

حلّل التجارب داخل المزرعة باستخدام الإحصاء المكاني لمقارنة المعالجات وقياس العائد على الاستثمار وتحسين التوصيات.

يستخدم خبراء الزراعة تحليلات التجارب لتقييم أداء أصناف المحاصيل المختلفة، وتقنيات الزراعة، وتطبيقات المدخلات، بما في ذلك نتائج تطبيقات المعدل المتغير في الزراعة الدقيقة. ومن خلال جمع البيانات الناتجة عن التجارب الحقلية وتحليلها وتفسيرها، يكتسب الباحثون رؤى حول التفاعلات بين العوامل الوراثية والبيئة وممارسات الإدارة. وتسهم هذه المعرفة في تطوير استراتيجيات لإدارة المحاصيل تحسّن إمكانات الغلة مع تقليل استخدام المدخلات. إضافة إلى ذلك، لا تتيح تحليلات التجارب تقييم فعالية ممارسات الزراعة الدقيقة فحسب، بل تساعد أيضًا على تحديد أصناف المحاصيل القادرة على الصمود والازدهار في ظروف متنوعة وصعبة، ما يسهم في تعزيز الأمن الغذائي.

{% hint style="info" %}
اطّلع على صفحة التجارب الحقلية التفاعلية على موقع geopard.tech: [التجارب الحقلية](https://geopard.tech/on-farm-trials/)
{% endhint %}

{% hint style="info" %}
يدعم GeoPard أيضًا تجارب القطع المنشقة لتصاميم العوامل الثنائية، مثل تطبيق المعدلات نفسها على هجن مختلفة. قيّم التأثيرات الرئيسية والتفاعل بين المعدل × الهجين على طبقة التجربة الجغرافية المرجعية نفسها.
{% endhint %}

## إعداد البيانات

لإجراء تحليلات فعّالة للتجارب، نحتاج إلى بعض مجموعات البيانات الأساسية:

1. **مجموعة بيانات الغلة**:\
   تتضمن هذه المجموعة بيانات الغلة.\
   يمكننا استيرادها من [مركز عمليات JohnDeere](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/import-precision-agriculture-data/import-from-myjohndeere.md) أو تحميلها يدويًا بصيغة [shapefile](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/import-precision-agriculture-data/yield-data-import.md) أو بصيغة [خاصة بالآلات](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/import-precision-agriculture-data/machinery-proprietary-formats.md).
2. **مجموعة بيانات التطبيق**:\
   تُعد هذه المجموعة أساسية لفهم التطبيق المنفذ فعليًا في الحقل. وتتضمن، كحد أدنى، سمات مثل TargetRate وAppliedRate وبعض المقاييس المتعلقة بالآلات.\
   وكما هو الحال مع مجموعة بيانات الغلة، يمكننا استيرادها من [مركز عمليات JohnDeere](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/import-precision-agriculture-data/import-from-myjohndeere.md) أو تحميلها يدويًا بصيغة [shapefile](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/import-precision-agriculture-data/as-applied-as-planted-data-import.md) أو بصيغة [خاصة بالآلات](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/import-precision-agriculture-data/machinery-proprietary-formats.md).
3. **المناطق/القطع التي تضم التجارب**:\
   تُظهر هذه المناطق معدلات التطبيق المخطط لها لتجاربنا، وتوفر معلومات عن التصميم التجريبي.\
   إذا توفرت طبقة بيانات من هذا النوع، نحملها بصيغة [shapefile](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/import-precision-agriculture-data/as-applied-as-planted-data-import.md) ضمن عنصر التحكم AsApplied/AsPlanted أو Yield. ويضمن ذلك التوافق عند إنشاء EquationMaps، ما يسهّل إجراء تحليلات التجارب.\
   قد يكون التخطيط بعامل واحد، أو بتصميم القطع المنشقة الذي يتضمن بُعدًا علاجيًا ثانيًا، مثل الهجين أو الصنف.\
   إذا لم تتوفر طبقة بيانات من هذا النوع، فيمكن استخدام سمة TargetRate من مجموعة بيانات التطبيق بديلًا لتقييم التجارب.
4. **مناطق إمكانات الحقل التاريخية:**\
   ينشئ GeoPard هذه المناطق (التفاصيل [هنا](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/zones-maps-and-analytics/multi-year-zones.md)). وهي مفيدة لتحليل التجارب التي تتمتع بإنتاجية تاريخية متسقة. وتكون فائدتها كبيرة خصوصًا عندما تتوزع التجارب على مناطق تختلف في إنتاجيتها التاريخية.

بعد جمع مجموعات البيانات هذه، نبدأ الخطوة التالية، وهي تقييم التجربة.

## نظرة عامة على البيانات

تتوفر البيانات التالية للموسم الزراعي لعام 2023 للقمح الشتوي:

* مجموعة بيانات الغلة التي توضح توزيع الكتلة الرطبة *(الشكل 1)*

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fg9Iv1AMpACkykujxvJ9s%2Fimage.png?alt=media&amp;token=c2a61d7b-12e9-40b5-ad88-e6f820372638" alt=""><figcaption><p>الشكل 1: مجموعة بيانات الغلة الأصلية</p></figcaption></figure>

* خطة تطبيق متغير المعدل للنيتروجين (N34) (150 kg/ha) مع قطعتي تجربة (120kg/ha و180 kg/ha)*(الشكل 2)*

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FwkGO1Tp0Ji2KzUPhfQAE%2Fimage.png?alt=media&amp;token=28a94d78-7360-43e2-865f-4a330028ab20" alt=""><figcaption><p>الشكل 2: خطة تطبيق متغير المعدل للنيتروجين (N34) مع قطع التجربة</p></figcaption></figure>

* مجموعة بيانات التطبيق التي تعرض إحصاءات التطبيق *(الشكل 3)*

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FF1YKbPqDw2HBDdnTqazX%2Fimage.png?alt=media&amp;token=0f83b5b0-9220-4cea-984c-735338716048" alt=""><figcaption><p>الشكل 3: مجموعة بيانات التطبيق</p></figcaption></figure>

* إنتاجية الحقل التاريخية (*الشكل 4*)

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FCrFaBaZxtjd0xEXZ9TUd%2Fimage.png?alt=media&amp;token=9cf68b49-a17c-4f2f-be15-1b0bfee4993e" alt=""><figcaption><p>الشكل 4: إنتاجية الحقل التاريخية</p></figcaption></figure>

{% hint style="warning" %}
لم تُعاير مجموعة بيانات الغلة: فقد عملت فيها عدة حصادات، كما تظهر آثار دوران الحصادات وبيانات مفقودة، فضلًا عن وجود تشويش واضح. للحصول على أفضل النتائج، يُوصى بتطبيق عمليتي معايرة الغلة وتنظيفها.\
يمكن الاطلاع على شرح تفصيلي خطوة بخطوة عبر [الرابط](https://docs.geopard.tech/geopard-tutorials/ar/alzraah/yield-and-trials/yield-calibration-and-cleaning.md).
{% endhint %}

تُعرض مجموعة بيانات الغلة بعد معايرتها وتنظيفها في *الشكل 5*, إلى جانب الإحصاءات المحدّثة. وستُستخدم مجموعة البيانات هذه في الخطوات اللاحقة.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F62J6z5wt7ndZ4lWxZq58%2Fimage.png?alt=media&amp;token=9e6ea416-81a0-4dfc-a94a-aa19f69c0ff3" alt=""><figcaption><p>الشكل 5: مجموعة بيانات الغلة بعد المعايرة والتنظيف</p></figcaption></figure>

## المفهوم

الهدف هنا من تحليلات التجارب هو تحديد أنسب معدل للنيتروجين (N34) للحقل. وقد حُدّدت مناطق بمعدلات نيتروجين تبلغ 120kg/ha و150kg/ha و180kg/ha. تستند هذه البيانات من جهة إلى ApplicationDataset، ومن جهة أخرى إلى YieldDataset بعد معايرته.

نركّز تحليلنا على ثلاث مناطق متميزة:

* 120kg/ha (محددة كمنطقة تجريبية)
* 150kg/ha (تُعد المنطقة الرئيسية)
* 180kg/ha (منطقة تجريبية أخرى)

يشمل نهجنا التقييمات التالية:

1. **استنادًا إلى الخطة:** استخدام تطبيق المعدل المتغير المخطط له (VRA) وربطه بالغلة المعايرة.
2. **استنادًا إلى التطبيق الفعلي:** مقارنة مجموعات بيانات التطبيق الفعلي بالغلة المعايرة.
3. **استنادًا إلى التطبيق الفعلي والإنتاجية التاريخية:** مقارنة مجموعات بيانات التطبيق الفعلي بالغلة المعايرة، مع تراكبها على مناطق الإمكانات التاريخية للحقل.

يتيح هذا النهج المنهجي تقييمًا شاملًا لأثر النيتروجين في الغلة، بالاستناد إلى بيانات التطبيق المخطط له والتطبيق الفعلي.

## استنادًا إلى الخطة

يظهر تأثير ~~المطبّق~~ النيتروجين المخطط له (N34) في توزيع الغلة بوضوح في لقطات الشاشة التالية *(الشكل 6، الشكل 7، الشكل 8)*. وفيما يلي موجز للنتائج:

* <mark style="color:أزرق;">تبلغ مساحة المنطقة الرئيسية، بمعدل نيتروجين قدره 150 kg/ha، ‏45.8 ha، ويبلغ متوسط غلتها 4.99 t/ha</mark> (*الشكل 6*).
* <mark style="color:أزرق;">تغطي منطقة التجربة الأولى، التي طُبّق فيها النيتروجين بمعدل 180 kg/ha، مساحة 1.76 ha، ويبلغ متوسط غلتها 6.5 t/ha</mark> (*الشكل 7*).
* <mark style="color:أزرق;">تمتد منطقة التجربة الثانية، بمعدل نيتروجين يبلغ 120 kg/ha، على مساحة 1.86 ha، ويبلغ متوسط غلتها 6.39 t/ha</mark> (*الشكل 8*).

تثير النتائج سؤالًا مهمًا: <mark style="color:برتقالي;">لماذا يبدو أن معدل التطبيق الأقل أكثر كفاءة من المعدل الأعلى؟</mark> وللتعمق في فهم النتائج، تتضمن المرحلة التالية[ تقييم التجارب باستخدام بيانات التطبيق الفعلي](#applied-based-evaluation).

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FraVRCgxuEVTGfTKK4c0s%2Fimage.png?alt=media&amp;token=57602ad8-bd9f-46b4-adcf-5de53f99fe7b" alt=""><figcaption><p>الشكل 6: المنطقة الرئيسية بمعدل N34 قدره 150kg/ha</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FNM80FFM2TQULwV54LuqW%2Fimage.png?alt=media&amp;token=1542336e-20a2-4a77-a343-9a92f67c90eb" alt=""><figcaption><p>الشكل 7: منطقة التجربة بمعدل N34 قدره 180kg/ha</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FITg4CWAJb27X28jquqyO%2Fimage.png?alt=media&amp;token=cff8d0b3-5896-4f34-bbdc-6a34a7352982" alt=""><figcaption><p>الشكل 8: منطقة التجربة بمعدل N34 قدره 120kg/ha</p></figcaption></figure>

ستجد أدناه مناقشة مفصلة للصيغ والإعدادات المستخدمة أثناء التقييم.

{% hint style="info" %}
للتعمق في نهج المعادلات وكيفية تنفيذه، يُرجى الرجوع إلى الدروس التعليمية الخاصة بكل من [واجهة المستخدم](https://docs.geopard.tech/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/equation-based-analytics.md) و [واجهة برمجة التطبيقات](https://docs.geopard.tech/geopard-tutorials/ar/wthaeq-wajhh-brmjh-alttbyqat/diagrams-with-basic-flows/5.-execute-equations.md).
{% endhint %}

فيما يلي المعادلات اللازمة لإعادة إجراء الحسابات.

1. المنطقة الرئيسية بمعدل 150 kg/ha:\
   `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)`
2. منطقة التجربة بمعدل 120 kg/ha:\
   `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)`
3. منطقة التجربة بمعدل 180 kg/ha:\
   `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)`

من المهم تفعيل *Numpy* *(الشكل 9)* وإيقاف *الاستيفاء* *(الشكل 10)*.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FixfesbJQxzVC93JW3H7b%2Fimage.png?alt=media&amp;token=dcab1611-8a33-4450-9b06-5ba24760e8c3" alt=""><figcaption><p>الشكل 9: تفعيل «Numpy»</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F0V4AxWhE0zraNfH1axHQ%2Fimage.png?alt=media&amp;token=d86b3921-c313-4946-9455-35fbef29cc13" alt=""><figcaption><p>الشكل 10: إيقاف استخدام البيانات «المستوفاة»</p></figcaption></figure>

## مبني على المعدل المطبّق

من الملاحظ أن معدل التطبيق الفعلي أثناء التجربة لا يتوافق باستمرار مع المعدل المخطط (المستهدف). وتحديدًا، تراوحت المعدلات بين 120 كغ/هكتار و189 كغ/هكتار. *(الشكل 11)*. وبالنظر إلى هذا التباين، أصبح من الضروري تحديد معيار لتقبّل الخطأ. لذا اعتُبرت دقة ±5% حدًا مقبولًا للحكم على صلاحية التجربة للتقييم.

تُظهر لقطات الشاشة التالية (*الأشكال 12 و13 و14)* التوزيع الإحصائي للمحصول، مع التركيز على كميات النيتروجين (N34) المطبّقة فعليًا. فيما يلي الإحصاءات الموجزة، مع مراعاة معيار قبول الدقة البالغ ±5%:

* <mark style="color:أزرق;">بلغت مساحة التطبيق في المنطقة الرئيسية، بمعدل 150 كغ/هكتار، 43.5 هكتارًا، وبلغ متوسط المحصول 4.9 طن/هكتار.</mark> (*الشكل 12*).
* <mark style="color:أزرق;">غطت منطقة التجربة الأولى، بمعدل 180 كغ/هكتار، مساحة قدرها 1.47 هكتار، وبلغ متوسط المحصول فيها 6.5 طن/هكتار.</mark> (*الشكل 13*).
* <mark style="color:أزرق;">امتدت منطقة التجربة الثانية، المحددة بمعدل 120 كغ/هكتار، على مساحة قدرها 1.44 هكتار، وبلغ متوسط المحصول فيها 6.3 طن/هكتار.</mark> (*الشكل 14*).

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQ5Aawg78wAVNsybfq2RB%2Fimage.png?alt=media&amp;token=293f63d1-414b-4e23-be09-b54844f21988" alt=""><figcaption><p>الشكل 11: معدلات التطبيق الفعلية في التجارب</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FyBHR1SLHA9ujXr5wk8xA%2Fimage.png?alt=media&amp;token=78f67150-560b-4495-974e-30407e25aca9" alt=""><figcaption><p>الشكل 12: المنطقة الرئيسية بمعدل N34 قدره 150 كغ/هكتار، ضمن هامش ±5%</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FeOMxE76sp3ugO1NffWPN%2Fimage.png?alt=media&amp;token=9e3f47ae-250a-41dd-b9ce-f3d4bcaab85e" alt=""><figcaption><p>الشكل 13: منطقة التجربة بمعدل N34 قدره 180 كغ/هكتار، ضمن هامش ±5%</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FJUBlkogPAF2fTSYa0EOW%2Fimage.png?alt=media&amp;token=48dd3f24-df15-40da-905c-9012b70971d2" alt=""><figcaption><p>الشكل 14: منطقة التجربة بمعدل N34 قدره 120 كغ/هكتار، ضمن هامش ±5%</p></figcaption></figure>

لفهم المنهجية وتفاصيل هذه النتائج بصورة أعمق، نورد فيما يلي المعادلات المستخدمة:

1. النيتروجين المطبّق فعليًا في التجربة:\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. المنطقة الرئيسية بمعدل 150 كغ/هكتار، مع احتساب هامش قبول قدره 5%:\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. منطقة التجربة بمعدل 120 كغ/هكتار، مع احتساب هامش قبول قدره 5%:\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. منطقة التجربة بمعدل 180 كغ/هكتار، مع احتساب هامش قبول قدره 5%:\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **الإنتاجية المبنية على المعدل المطبّق والإنتاجية التاريخية**

تتجاوز أرقام المحصول في التجارب باستمرار متوسط المحصول في الحقل بأكمله. ويبدو أن أحد العوامل الرئيسية وراء هذا التفاوت هو وقوع التجارب في منطقة ذات إنتاجية تاريخية مرتفعة، كما يتضح في *الشكل 15* و *الشكل 16*. ولتقييم التجارب بدقة أكبر، من الضروري أخذ مناطق الإنتاجية في الحسبان عند تحليل النتائج.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FH0aA9ZAe2IkSFtqcJe5B%2Fimage.png?alt=media&amp;token=c58e81d6-b2df-4d6d-8682-3c750f38f2a1" alt=""><figcaption><p>الشكل 15: مناطق إمكانات الحقل التاريخية</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fi2agD6onOT4aVaW9LvHh%2Fimage.png?alt=media&amp;token=feecbfd5-2433-4061-85b9-8233446572d8" alt=""><figcaption><p>الشكل 16: مناطق إمكانات الحقل التاريخية بوصفها مجموعة بيانات للمحصول</p></figcaption></figure>

تُظهر لقطات الشاشة التالية (*الأشكال 17 و18 و19)* التوزيع الإحصائي للمحصول، مع التركيز على كميات النيتروجين (N34) المطبّقة فعليًا، والمتراكبة على مناطق الإنتاجية التاريخية (المنشأة في GeoPard). فيما يلي الإحصاءات الموجزة، مع مراعاة معيار قبول الدقة البالغ ±5% لكميات التطبيق:

* <mark style="color:أزرق;">بلغت مساحة التطبيق في المنطقة الرئيسية، بمعدل 150 كغ/هكتار، 2.65 هكتار، وبلغ متوسط المحصول 6.34 طن/هكتار.</mark> (*الشكل 17*).
* <mark style="color:أزرق;">غطت منطقة التجربة الأولى، بمعدل 180 كغ/هكتار، مساحة قدرها 1.08 هكتار، وبلغ متوسط المحصول فيها 6.41 طن/هكتار.</mark> (*الشكل 18*).
* <mark style="color:أزرق;">امتدت منطقة التجربة الثانية، المحددة بمعدل 120 كغ/هكتار، على مساحة قدرها 1.78 هكتار، وبلغ متوسط المحصول فيها 6.33 طن/هكتار.</mark> (*الشكل 19*).

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FPqw7u62bJAezDn9UW5qs%2Fimage.png?alt=media&amp;token=ff101b42-7882-4dc3-a2ad-b57053900768" alt=""><figcaption><p>الشكل 17: المنطقة الرئيسية بمعدل N34 قدره 150 كغ/هكتار، متراكبة على الإنتاجية التاريخية</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FmzkQRoU3HMMOm1fLLjNY%2Fimage.png?alt=media&amp;token=ba8105da-877b-4234-9e1d-f59826949bf0" alt=""><figcaption><p>الشكل 18: منطقة التجربة بمعدل N34 قدره 180 كغ/هكتار، ضمن هامش ±5%، متراكبة على الإنتاجية التاريخية</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FzTOI3v14HdZLANjM3o36%2Fimage.png?alt=media&amp;token=f83a50dd-585d-4b66-937d-eb0d2f1c78f0" alt=""><figcaption><p>الشكل 19: منطقة التجربة بمعدل N34 قدره 120 كغ/هكتار، ضمن هامش ±5%، متراكبة على الإنتاجية التاريخية</p></figcaption></figure>

لفهم المنهجية وتفاصيل هذه النتائج بصورة أعمق، نورد فيما يلي المعادلات المستخدمة:

1. المعاملة الرئيسية بمعدل 150 كغ/هكتار، مع نطاق قبول ±5%، متداخلة مع الإنتاجية التاريخية:\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. المعاملة التجريبية بمعدل 120 كغ/هكتار، مع نطاق قبول ±5%، متداخلة مع الإنتاجية التاريخية:\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. المعاملة التجريبية بمعدل 180 كغ/هكتار، مع نطاق قبول ±5%، متداخلة مع الإنتاجية التاريخية:\
   `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

حيث

* الجزء `Productivity_SubZone == 51` يمثل مناطق الإنتاجية المرتفعة التي طُبّقت فيها التجارب،
* الأجزاء `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` تتضمن هامش دقة ±5% من المعدلات `150`, `120`, `180` كغ/هكتار.

## الملخص

تتوافق نتائج الغلة في التجارب إلى حد كبير مع متوسط الغلة المُسجّل في منطقة الإنتاجية التاريخية المرتفعة من الحقل. وبعبارة أخرى، لم يؤدِّ التطبيق التجريبي لمنتج N34 بمعدلات <mark style="color:أزرق;">120 كغ/هكتار - 150 كغ/هكتار - 180 كغ/هكتار</mark>إلى اختلاف يُذكر في متوسط الغلة، إذ بلغ <mark style="color:أزرق;">6.33 طن/هكتار - 6.34 طن/هكتار - 6.41 طن/هكتار</mark> على التوالي، ولم يكن لذلك أثر يُذكر في الغلة المحصودة ضمن منطقة الإنتاجية المرتفعة.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/ar/alzraah/yield-and-trials/field-trial-analytics.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
